Asteikoista ja segmentoinnista
|
|
- Jarkko Jääskeläinen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Asteikoista ja segmentoinnista Kimmo Vehkalahti professori (mvs.), soveltavan tilastotieteen dosentti Helsingin yliopisto, matematiikan ja tilastotieteen laitos Suomen Markkinointitutkimusseura ry / 27
2 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 2 / 27
3 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 3 / 27
4 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 4 / 27
5 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 5 / 27
6 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 6 / 27
7 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 7 / 27
8 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 8 / 27
9 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 9 / 27
10 Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: 10 / 27
11 Segmentointia(kin) edeltää mittaus ja tiedonkeruu Mittaus ja tiedonkeruu ovat keskeiset epävarmuuden lähteet kyselytutkimuksissa (kuten muissakin tilastollisissa tutkimuksissa). Virhemarginaalia on vaikea arvioida, sillä se sisältää aineksia molemmista. Tyypilliset arviot (... virhemarginaali oli ±2 %... ) liittyvät otantaan. Tiedonkeruun luotettavuus rakentuu monista seikoista: otanta edellyttää hyvin määriteltyä perusjoukkoa aina ei ole kyseessä otanta eikä otos (vaan näyte) yleistäminen on yleensä mahdollista vain otoksesta haasteita tuovat mm. otoskoko ja vastauskato (Tiedonkeruun haasteisiin en puutu tässä yhteydessä enempää.) Mittauksen luotettavuus koostuu kahdesta eri asiasta: 1. validiteetti: mitataanko sitä mitä pitikin? 2. reliabiliteetti: mitataanko riittävän tarkasti? Erityisesti jälkimmäiseen liittyy olennaisesti mittaustaso, ja sen yhteydessä puhutaan (paljon!) asteikoista. 11 / 27
12 Mittaustaso ratkaisee, mitä datalla voi tehdä Mittaustaso vaikuttaa mittauksen luotettavuuteen sekä siihen, miten mittauksia voidaan tilastollisesti analysoida. Mitä korkeampi mittaustaso, sitä enemmän on vaihtoehtoisia analysointitapoja. Jälkikäteen mittaustasoa ei voi nostaa, joten on pyrittävä mittaamaan mahdollisimman korkeatasoisesti. Jos on mahdollista mitata määrää, ei kannata tyytyä luokittelemaan, toisin sanoen mittaamaan vain laadullista eroa. Toisaalta kaikkea ei voi mitata määrällisesti. Silloin on vastaavasti luokiteltava mahdollisimman hyvin. Mittaustason määrittelee lopulta se, miten jonkin mittarin yksittäiseen osioon voidaan vastata. Mittaustasot voi siten tiivistää kolmeen päätyyppiin: luokittelu, järjestäminen ja mittaaminen. Seuraavaksi perehdytään mittaustasoihin tarkastelemalla kirjani esimerkkejä, jotka ovat peräisin Maarit Valtarin sosiaalipsykologian väitöstutkimuksesta (suomalaisten naisten tyytyväisyys omaan ulkonäköönsä). 12 / 27
13 Luokittelu Useimmissa kirjoissa käytetään termiä luokitteluasteikko tai laatueroasteikko, mutta on selvempää puhua pelkästään luokittelusta. (Sana asteikko sisältää ajatuksen asioiden välisestä, sisäisestä järjestyksestä, joka ei luokittelutasoon kuulu.) Esimerkki: Mikä on nykyinen työllisyystilanteenne? Ympyröikää yksi vaihtoehto. 1. Kokopäiväinen palkansaaja 2. Osapäivätoiminen palkansaaja 3. Maatalousyrittäjä tai työssä perheen maatilalla 4. Muu yrittäjä 5. Työtön tai lomautettu 6. Eläkeläinen 7. Opiskelija 8. Kotia hoitamassa/kotiäiti 9. Äitiysloma 10. Muu vaihtoehto, mikä? 13 / 27
14 Luokittelu (jatkoa) Seuraavassa vastaaja saa valita niin monta kohtaa kuin haluaa. Valittavien vaihtoehtojen määrää voidaan myös rajata. Esimerkki: Ulkonäön kuvailu valmiilla vaihtoehdoilla. Ympyröikää tai alleviivatkaa seuraavista ilmaisuista ne, jotka mielestänne kuvaavat ulkonäköänne. Voitte valita niin monta kuin haluatte. alipainoinen / edustava / epämiellyttävä / epäsiisti / epäsuhtainen / erikoinen / erittäin kaunis / erittäin ruma / hauskannäköinen / hento / herttainen / hienostunut / hoikka / hyvin säilynyt / hyvävartaloinen / iso / kaunis / kivannäköinen / klassinen / komea / kookas / kurvikas / kurviton / leidimäinen / laiha / lattarintainen / lauta, luuviulu / leveä / lihava / liian lyhyt / luonnollinen / lyhyt / läski / miellyttävä / muodikas / muodoton / naisellinen / nuhruinen / nuorekas / näyttävä / paksu / pehmeä / persoonallinen / pieni / pitkä / poikamainen / poikkeava / pulska, pullea / pyöreä / rehevä / ruma / rupsahtanut / ryhdikäs / ryhditön / seksikäs / sensuelli / sievä / siisti / siro / sopusuhtainen / suuri / söpö / tanttamainen / tasapaksu / tavallisennäköinen / tukeva / tyttömäinen / tyylikäs / upea / urheilullinen / vastenmielinen / viehättävä / voimakasrakenteinen / ylipainoinen 14 / 27
15 Järjestäminen Mahdollisuus asettaa luokat johonkin sisällön kannalta mielekkääseen järjestykseen nostaa mittauksen tasoa. Yleensä luokat järjestelee kysymyksen suunnittelija, mutta järjestäminen voidaan antaa vastaajankin tehtäväksi. Järjestämisestä käytetään myös nimeä järjestysasteikko. Järjestämisen pitää perustua vaihtoehtojen sisältöön. Äskeisen esimerkin vaihtoehtojen aakkosjärjestys on vain ulkoinen järjestys, joka ei muuta luokittelua järjestysasteikoksi, kuten ei myöskään se, että sattumalta ensimmäisenä esiintyy luokka alipainoinen ja viimeisenä ylipainoinen. Koska välissä olevat luokat eivät muodosta mitään jatkumoa näiden välille, kyseessä on pelkkä luokittelu. Vaihtoehdot eivät ole edes toisensa poissulkevia. Sinänsä jokainen vaihtoehdoista muodostaa yksinkertaisimman mahdollisen järjestysasteikon sen perusteella, onko sana valittu vai ei, esimerkiksi iso tai ei iso. 15 / 27
16 Järjestäminen (jatkoa) Toisinaan vastaajaa pyydetään asettamaan joitakin annetuista vaihtoehdoista (tuotteet, brändit jne.) paremmuus- tms. järjestykseen. Tämänkaltainen mittaus on melko epätarkkaa ja vastausten analysointi pinnallista. Asteikko jolla vertailu tapahtuu, jää liikaa vastaajan määriteltäväksi, eivätkä vastaukset ole välttämättä vertailukelpoisia. On parempi, että tutkija määrittelee käytettävän asteikon. Monet tyypilliset kyselytutkimuksen taustatiedot, kuten koulutustaso, edustavat järjestystasoista mittausta. Seuraavassa esimerkissä koulutustasoa kuvaavilla luokilla 1 4 on ulkoisten numeroiden lisäksi selvä sisäinen järjestys alemmasta peruskoulutuksesta korkeampaan. Esimerkki: Peruskoulutus, neljä vaihtoehtoa. Mikä on peruskoulutuksenne? 1. Osa kansa- tai peruskoulua tai vähemmän 2. Kansa- tai kansalaiskoulu 3. Keski- tai peruskoulu 4. Ylioppilas 16 / 27
17 Järjestäminen (jatkoa) Numeroista huolimatta laskemisessa ei äskeisillä luvuilla ole mieltä. Ei siis kannata raportoida: peruskoulutus oli noin 3.6. Mittaustaso vaikuttaa myös tulosten esittämiseen. Seuraavassa mitataan liikuntaharrastamisen aktiivisuutta. Vastausvaihtoehdot muodostavat jatkumon, jonka ääripäät ovat joka päivä ja en koskaan. Muuttamalla sanalliset vaihtoehdot liikunnan harrastamiskertojen määriksi viikossa nähtäisiin, etteivät ne asetu asteikolle tasaisin välein (ei tarvitsekaan). Esimerkki: Liikunnan harrastaminen, aktiivisuusasteikko. Kuinka usein harrastatte liikuntaa? 1. Joka päivä 2. Viisi kertaa viikossa 3. Kolme kertaa viikossa 4. Kerran tai kaksi kertaa viikossa 5. Muutaman kerran kuukaudessa tai harvemmin 6. En koskaan 17 / 27
18 Järjestäminen (jatkoa) Painohuolia mitataan ohessa jatkumolla, jonka ääripäinä ovat aina ja en koskaan. Viimeinen vaihtoehto on sama kuin liikuntaharrastusesimerkissä, mutta muut vaihtoehdot ovat epämääräisempiä. Mitattava ilmiö määrää vaihtoehtojen sanavalinnat. Liikunnan harrastaminen on fyysistä toimintaa, kun taas huolissaan olo on mielentila. Esimerkki: Huolissaan olo painosta, ääripäät ja välit. Kuinka usein olette huolissanne painostanne? 1. Aina 2. Lähes aina 3. Usein 4. Joskus 5. Harvoin 6. En koskaan Liikunnan harrastamisen osalta mittausta voitaisiin haluttaessa tarkentaa lisäämällä vaihtoehtoja. Huolissaan olon kohdalla se tuskin olisi mahdollista, ainakaan jos haluttaisiin ilmaista vaihtoehdot sanallisesti. Esimerkiksi sanavalinnoilla miltei aina, lähes aina tai erittäin usein, todella usein, hyvin usein, kovin usein tulisi kyseenalaiseksi, olisivatko vaihtoehdot edes yksikäsitteisessä järjestyksessä. Mittaus ei tarkentuisi päinvastoin. 18 / 27
19 Mittaaminen Mittaamiseksi kutsutaan varsinaista numeerista mittausta, joka kattaa kaiken sen mihin luokittelu ja järjestäminen eivät yllä. Kirjallisuudessa puhutaan myös väli(matka-)asteikosta ja suhdeasteikosta. Aineiston analyysissa niillä ei ole suurta eroa. Väliasteikossa asteikon pykälien välit ovat yhtäsuuria, mutta nollakohta ei ole yksikäsitteisesti määritelty ja näin ollen suhteelliset tarkastelut eivät ole mahdollisia. Yleisin esimerkki on lämpötila, vaikkakaan sitä ei ole tapana mitata kyselytutkimuksilla. (Toisinaan näkee kyllä kiinnostusta vaaleihin mitattavan vaalilämpömittareilla.) Esimerkissä alla on näytteitä suhdeasteikollisesta mittaamisesta senttimetreinä, kilogrammoina ja euroina. Suhdeasteikolle on ominaista hyvin määritelty mittayksikkö ja määrän mittaaminen, jolloin asteikossa on yksikäsitteinen nollakohta. Suhdeasteikolla mitatut arvot eivät siis voi olla negatiivisia. Esimerkki: Pituus, paino ja rahan käyttö vaatteisiin. Kuinka pitkä olette ja paljonko painatte? Pituus cm Paino kg Paljonko suurin piirtein käytätte rahaa vuosittain vaatetukseenne? Noin euroa vuodessa 19 / 27
20 Mittaaminen (jatkoa) Käytännön kannalta olennaisin ero koskee järjestämistä ja mittaamista, tarkemmin sanottuna järjestysasteikkoa ja väliasteikkoa. Vaikka joissain tilanteissa ero onkin selvä, on myös paljon tilanteita, joissa ero voi vaikuttaa hämärämmältä. Monet kyselytutkimuksen keskeiset mittaustavat kuten asennemittaukset käsitetään kirjallisuudessa järjestysasteikoiksi. Yleisin näistä tunnetaan Likertin asteikkona: Esimerkki: Käsityksiä ulkonäön merkityksestä. Ympyröikää omaa käsitystänne parhaiten vastaava vaihtoehto. Vaihtoehdot ovat: 1: Täysin samaa mieltä, 2: Osin samaa mieltä, 3: Ei samaa eikä eri mieltä, 4: Osin eri mieltä, 5: Täysin eri mieltä. Ulkonäkö on liian arvostetussa asemassa Miellyttävästä ulkonäöstä on hyötyä Hyvännäköiset ihmiset pärjäävät paremmin / 27
21 Mittaaminen (jatkoa) Likertin asteikko täyttää hyvin järjestysasteikon tunnusmerkit, mutta jos siihen tyydytään, ei päästä analyyseissa pitkälle, sillä järjestysasteikolle soveltuvia tilastollisia menetelmiä on vähän. Valtaosa menetelmistä nojaa keskiarvoihin, hajontoihin ja korrelaatioihin, jotka edellyttävät väliasteikollista mittausta. Käytännössä Likertin asteikoilla tehdään tilastollista analyysia ikään kuin kyseessä olisi väliasteikko. Ilman mitään perusteluja toiminta voi tuntua aika ristiriitaiselta! Ensinnäkin on tärkeää, että käytettävä asteikko muodostaa selvän, yksiulotteisen jatkumon jostain ääripäästä toiseen. Tyypilliset ääripäät täysin samaa mieltä ja täysin eri mieltä eivät tässä suhteessa ole ongelma. Ongelma ilmeneekin yleensä asteikon keskellä, johon saatetaan sijoittaa kaikenlaisia vaihtoehtoja. Likertin asteikon rakenteeseen kuuluu, että keskimmäinen vaihtoehto on neutraali, esimerkiksi ei samaa eikä eri mieltä. Kokonaan toinen asia on EOS, johon en tässä yhteydessä puutu (ks. kirja!) 21 / 27
22 Mittaaminen (jatkoa) Väliasteikossa vaaditaan myös, että vaihtoehtojen välit ovat yhtä suuria. Numeroina ajateltuna on itsestään selvää, että asteikossa 1 5 vaihtoehtojen 1 ja 2 väli on ykkösen mittainen, samoin vaihtoehtojen 3 ja 4. Vaihtoehdot ovat siis yhtä etäällä. Kun sanalliset ilmaisut korvataan numeroilla, ei olekaan enää selvää minkä mittaisia eri vaihtoehtojen välit ovat. Millä perusteella esimerkiksi täysin samaa mieltä ja osin samaa mieltä olisivat yhtä kaukana toisistaan kuin vaikkapa ei samaa eikä eri mieltä ja osin eri mieltä? Usein kuultu vastaus tähän kysymykseen on, ettei mitään perustetta ole. Tällainen vastaus tarkoittaisi, että Likertin asteikkoa olisi syytä pitää vain järjestysasteikkona. Silloin välien suuruudet voivat vaihdella, kunhan järjestys säilyy. Tästä kuitenkin seuraa jo edellä mainittu ongelma: järjestysasteikolle soveltuvia tilastollisia menetelmiä on vähän. Analyyseissa ei päästä eteenpäin, jos ei voida laskea tarvittavia tunnuslukuja kuten korrelaatioita. 22 / 27
23 Mittaaminen (jatkoa) Tyypillinen Likertin asteikkojen käytännön soveltaminen on perusteltavissa yksinkertaisesti mittauksen käsittein. Asteikko voidaan mieltää väliasteikoksi, jossa poikkeamat yhtä suurista väleistä johtuvat mittauksen vääjäämättömistä häiriötekijöistä, satunnaisista mittausvirheistä. Jos niitä ei olisi, kyseessä olisi puhdas väliasteikko. Likertin asteikoista voi siis vallan hyvin laskea keskiarvoja, hajontoja ja korrelaatioita, kunhan ei tyydy pelkästään niihin vaan soveltaa menetelmiä, joilla mittausvirheiden vaikutuksia saadaan hälvennettyä (menetelmistä keskeisin on faktorianalyysi). Yleensä Likertin asteikoissa on viisi vaihtoehtoa (sitä pidetään sopivana määränä käsitettäväksi yhtaikaa). Joissain tilanteissa voi olla hyödyllistä laajentaa valikoimaa seitsemään sisällyttämällä mukaan vielä painavammat ääripäät, esimerkiksi ehdottomasti samaa mieltä ja ehdottomasti eri mieltä. 23 / 27
24 Mittaaminen (jatkoa) Varsinkin palautelomakkeissa näkee käytettävän niin sanottua kouluarvosana-asteikkoa. Se tarkoittaa seitsemänportaista asteikkoa, jonka numeroarvot ovat 4, 5,..., 9, 10. Tilastollisesti on samantekevää, mitä kohtaa lukusuorasta käytetään, mutta sisällöllisesti kouluarvosana-asteikko on sen verran ongelmallinen, ettei sitä kannata käyttää. Kaikille ei ole edes selvää, mitä kouluarvosana-asteikolla tarkoitetaan, koska se on saatettu useissa kouluissa korvata toisenlaisilla asteikoilla. Vaikka asteikko olisi omilta kouluajoilta tuttu, ei ole sama asia arvioida jotain asteikolla, jolla on tullut itse aikanaan arvioiduksi. Käsityksiin kouluarvosana-asteikosta heijastuu myös vastaajan oma koulumenestys. Harva osaa käyttää tätä asteikkoa koko laajuudelta, esimerkiksi arvosanoihin 9 ja 10 tottuneelle asteikon alkupää on tuntematon ja toisinpäin. Tämänkaltaiset arvolataukset eivät kuulu hyvään mittaukseen. 24 / 27
25 Mittaaminen (jatkoa) Eräs vertailuun perustuva mittaustapa tunnetaan nimellä semanttinen differentiaali tai Osgoodin asteikko. Edellä esitetyn sanaluettelon sijasta asioita voisi mitata tällä tekniikalla hakemalla sopivia laatusanapareja, kuten ulkonäkötutkimuksen pohjalta keksityssä esimerkissä alla. Yleensä on tapana käyttää seitsemänportaista asteikkoa, joka voi olla näkyvissä numeroina, tyhjinä kohtina johon laitetaan rasti tai verkkolomakkeessa liukurina joka asetetaan haluttuun kohtaan. Esimerkki: Ulkonäön luonnehdintoja laatusanapareilla. Arvioikaa ulkonäköänne seuraavien sanaparien avulla: alipainoinen ylipainoinen miellyttävä epämiellyttävä epäsiisti siisti ruma kaunis laiha lihava tyttömäinen poikamainen Sanaparit kannattaa laittaa vaihtelevaan järjestykseen eikä kasata kaikkia hyviä tai huonoja ominaisuuksia samalle puolelle. 25 / 27
26 Mittaaminen (jatkoa) Osgoodin asteikko on kätevä mittaustapa tilanteisiin, joissa sanoille löytyy selviä vastinpareja. Myös Likertin asteikkoa käytetään paljon siten, että vain ääripäät kuvataan sanallisesti, siis ikään kuin Osgoodin asteikon tapaan. Selvempää on kuitenkin kuvata kaikki vaihtoehdot sanallisesti, jotta vastaajat ymmärtävät asteikon mahdollisimman yhtenäisellä tavalla. Tällöin tulee myös selvemmin esiin, mitä keskimmäisellä vaihtoehdolla tarkoitetaan. Edellä on monessa kohtaa noussut esiin asteikko, jossa on vain kaksi vaihtoehtoa. Tällainen dikotominen asteikko on siitä erikoinen, että se voi edustaa mitä tahansa mittaustasoa. Kun vaihtoehtoja on kaksi, ne voidaan asettaa järjestykseen. Oikea suunta riippuu tulkinnasta samaan tapaan kuin useampiportaisissakin järjestysasteikoissa. Vaihtoehtojen väleistäkään ei tule mitään ongelmaa, sillä niitä on vain yksi. Näin dikotominen asteikko on myös väliasteikko, joten sen arvoilla voidaan ť(periaatteessa) tehdä kaikkia tarvittavia laskelmia. 26 / 27
27 Asteikoista analyyseihin (Esityksen lopuksi pari demoa siitä, minkä tyyppisiin tilastollisiin menetelmiin segmentointityökalut perustuvat.) 27 / 27
Teema 1: Mittaus yhteiskuntatieteissä
Teema 1: Mittaus yhteiskuntatieteissä Kurssin alkuosa, erityisesti Teema 1, perustuu vuonna 2008 julkaistuun oppikirjaani Kyselytutkimuksen mittarit ja menetelmät (Helsinki: Tammi, ISBN 978-951-26-5760-5,
LisätiedotMittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.
1/11 4 MITTAAMINEN Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. Mittausvirhettä johtuen mittarin tarkkuudesta tai häiriötekijöistä Mittarin
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 11. lokakuuta 2007 Antti Rasila () TodB 11. lokakuuta 2007 1 / 15 1 Johdantoa tilastotieteeseen Peruskäsitteitä Tilastollisen kuvailun ja päättelyn menetelmiä
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 Vuorikadulla V0 ls Muuttujien muunnokset Usein empiirisen analyysin yhteydessä tulee tarve muuttaa aineiston muuttujia Esim. syntymävuoden
LisätiedotOtannasta ja mittaamisesta
Otannasta ja mittaamisesta Tilastotiede käytännön tutkimuksessa - kurssi, kesä 2001 Reijo Sund Aineistot Kvantitatiivisen tutkimuksen aineistoksi kelpaa periaatteessa kaikki havaintoihin perustuva informaatio,
LisätiedotMONISTE 2 Kirjoittanut Elina Katainen
MONISTE 2 Kirjoittanut Elina Katainen TILASTOLLISTEN MUUTTUJIEN TYYPIT 1 Mitta-asteikot Tilastolliset muuttujat voidaan jakaa kahteen päätyyppiin: kategorisiin ja numeerisiin muuttujiin. Tämän lisäksi
LisätiedotPopulaatio tutkimusobjektien muodostama joukko, johon tilastollinen tutkimus kohdistuu, koko N
11.9.2018/1 MTTTP1, luento 11.9.2018 KERTAUSTA Populaatio tutkimusobjektien muodostama joukko, johon tilastollinen tutkimus kohdistuu, koko N Populaation yksikkö tilastoyksikkö, havaintoyksikkö Otos populaation
LisätiedotTehtävä 1. Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä.
Tehtävä 1 Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä Ei Hypoteesi ei ole hyvä tutkimushypoteesi, koska se on liian epämääräinen.
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
LisätiedotALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6
Sisällysluettelo ALKUSANAT 4 ALKUSANAT E-KIRJA VERSIOON 5 SISÄLLYSLUETTELO 6 1 PERUSASIOITA JA AINEISTON SYÖTTÖ 8 11 PERUSNÄKYMÄ 8 12 AINEISTON SYÖTTÖ VERSIOSSA 9 8 Muuttujan määrittely versiossa 9 11
LisätiedotMittariston laatiminen laatutyöhön
Mittariston laatiminen laatutyöhön Perusopetuksen laatukriteerityö Vaasa 18.9.2012 Tommi Karjalainen Opetus- ja kulttuuriministeriö Millainen on hyvä mittaristo? Kyselylomaketutkimuksen vaiheet: Aiheen
LisätiedotTilastollisten aineistojen kerääminen ja mittaaminen
Ilkka Mellin Tilastolliset menetelmät Osa 1: Johdanto Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2007) 1 ja mittaaminen >> Tilastollisten aineistojen kerääminen Mittaaminen
LisätiedotJohdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2005) 1 ja mittaaminen Tilastollisten aineistojen kerääminen Mittaaminen ja mitta-asteikot TKK (c)
LisätiedotKimmo Vehkalahti. Kyselytutkimuksen mittarit ja menetelmät
Kimmo Vehkalahti Kyselytutkimuksen mittarit ja menetelmät Vuonna 0 painettu kirja on Finn Lecturan julkaisema. Tämä painetun kirjan kanssa saman sisältöinen pdf on Helsingin yliopiston vuonna 09 julkaisema.
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
LisätiedotMittaamisen maailmasta muutamia asioita. Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori
Mittaamisen maailmasta muutamia asioita Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori SISÄLTÖ 1. Mittari vs. indikaattori vs. menetelmä - mittaaminen 2. Luotettavat mittarit 3. Arvioinnin
LisätiedotTekijänoikeus Tekijänoikeusbarometri_ttu&ple
Tekijänoikeus Suomalaiset pitävät tekijänoikeuksia tärkeänä asiana Vastaajia pyydettiin kertomaan, mitä mieltä he ovat tekijänoikeuksista. Haastatelluille esitettiin kolme kuvailevaa sanaparia: tärkeä
LisätiedotKandidaatintutkielman aineistonkeruu ja analyysi
Kandidaatintutkielman aineistonkeruu ja analyysi Anna-Kaisa Ylitalo M 315, anna-kaisa.ylitalo@jyu.fi Musiikin, taiteen ja kulttuurin tutkimuksen laitos Jyväskylän yliopisto 2018 Kirjallisuutta mm. Vehkalahti,
Lisätiedot11. Jäsenistön ansiotaso
24 Kuvio 19. 11. Jäsenistön ansiotaso Tutkimuksessa selvitettiin jäsenistön palkkaukseen liittyviä asioita. Vastaajilta kysyttiin heidän kokonaiskuukausiansioitaan (kuukausibruttotulot). Vastaajia pyydettiin
LisätiedotSocca. Pääkaupunkiseudunsosiaalialan osaamiskeskus. Vaikuttavuuden mittaaminen sosiaalihuollossa. Petteri Paasio FL, tutkija
Socca Pääkaupunkiseudunsosiaalialan osaamiskeskus Vaikuttavuuden mittaaminen sosiaalihuollossa Petteri Paasio FL, tutkija 1 Mitä mittaaminen on? RIITTÄVÄN TARKAT HAVAINNOT KÄSITTEET, JOILLA ON RIITTÄVÄN
LisätiedotTeema 3: Tilastollisia kuvia ja tunnuslukuja
Teema 3: Tilastollisia kuvia ja tunnuslukuja Tilastoaineiston peruselementit: havainnot ja muuttujat havainto: yhtä havaintoyksikköä koskevat tiedot esim. henkilön vastaukset kyselylomakkeen kysymyksiin
LisätiedotMatemaatikot ja tilastotieteilijät
Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat
LisätiedotTilastollisten aineistojen kerääminen ja mittaaminen. Tilastollisten aineistojen kerääminen ja mittaaminen
TKK (c) Ilkka Mellin (2004) 1 ja mittaaminen Johdatus tilastotieteeseen ja mittaaminen TKK (c) Ilkka Mellin (2004) 2 ja mittaaminen: Mitä opimme? 1/3 Tilastollisen tutkimuksen kaikki mahdolliset kohteet
LisätiedotJärvi 1 Valkjärvi. Järvi 2 Sysijärvi
Tilastotiedettä Tilastotieteessä kerätään tietoja yksittäisistä asioista, ominaisuuksista tai tapahtumista. Näin saatua tietoa käsitellään tilastotieteen menetelmin ja saatuja tuloksia voidaan käyttää
LisätiedotViestinnän mentelmät I: sisällön erittely. Sisällönanalyysi/sisällön erittely. Sisällön erittely. Juha Herkman
Viestinnän mentelmät I: sisällön erittely Juha Herkman 10.1.008 Helsingin yliopisto, viestinnän laitos Sisällönanalyysi/sisällön erittely Sisällönanalyysi (SA), content analysis Veikko Pietilä: Sisällön
LisätiedotJohdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2004) 1 ja mittaaminen Tilastollisten aineistojen kerääminen Mittaaminen ja mitta-asteikot TKK (c)
Lisätiedot1. Johdanto Todennäköisyysotanta Yksinkertainen satunnaisotanta Ositettu otanta Systemaattinen otanta...
JHS 160 Paikkatiedon laadunhallinta Liite III: Otanta-asetelmat Sisällysluettelo 1. Johdanto... 2 2. Todennäköisyysotanta... 2 2.1 Yksinkertainen satunnaisotanta... 3 2.2 Ositettu otanta... 3 2.3 Systemaattinen
LisätiedotMittaustekniikka (3 op)
530143 (3 op) Yleistä Luennoitsija: Ilkka Lassila Ilkka.lassila@helsinki.fi, huone C319 Assistentti: Ville Kananen Ville.kananen@helsinki.fi Luennot: ti 9-10, pe 12-14 sali E207 30.10.-14.12.2006 (21 tuntia)
LisätiedotIän vaikutus itsetuntoon
1 Iän vaikutus itsetuntoon Alppilan lukion psykologian tutkimuskurssi, psykologian ja matematiikan ilmiökurssi Hilla Sarlin Noora Varonen Oona Montonen 2 Sisällysluettelo 1. Tutkimuskysymyksen asettelu
LisätiedotLuentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012
Luentokalvoja tilastollisesta päättelystä Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Otanta Otantamenetelmiä Näyte Tilastollinen päättely Otantavirhe Otanta Tavoitteena edustava otos = perusjoukko
LisätiedotESIPUHE... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE... 3 SISÄLLYSLUETTELO... 4 1. JOHDANTO JA PÄÄMÄÄRÄT... 6 1.1 TIETEELLISEN TIEDON OMINAISPIIRTEITÄ... 7 1.2 IHMISTIETEELLISEN TUTKIMUKSEN PIIRTEITÄ... 8 1.3 TILASTOTIEDE IHMISTIETEIDEN
LisätiedotTutkimusasetelma, mittaaminen ja otanta
Statistical Analysis with Statgraphics This two-day one-credit course is a hands-on introduction to the interactive statistical software Statgraphics for students who have a basic knowledge of statistics.
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotLUKIOLAISTEN ULKONÄKÖPAINEET. Susanne Ikonen, Hanna Leppänen, Riikka Könönen & Sonja Kivelä
LUKIOLAISTEN ULKONÄKÖPAINEET Susanne Ikonen, Hanna Leppänen, Riikka Könönen & Sonja Kivelä Psykologia 7 KAMA Tutkimus toteutettiin: 4.10.2016-18.11.2016 Sisällysluettelo 1. Johdanto 1.1 Mitä ovat ulkonäköpaineet?
LisätiedotSosiaalisten verkostojen data
Sosiaalisten verkostojen data Hypermedian jatko-opintoseminaari 2008-09 2. luento - 17.10.2008 Antti Kortemaa, TTY/Hlab Wasserman, S. & Faust, K.: Social Network Analysis. Methods and Applications. 1 Mitä
LisätiedotMetsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO...
Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA...9 1.2 AIHEESEEN PEREHTYMINEN...9 1.3
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas LUENNOT Luento Paikka Vko Päivä Pvm Klo 1 L 304 8 Pe 21.2. 08:15-10:00 2 L 304 9 To 27.2. 12:15-14:00 3 L 304 9 Pe 28.2. 08:15-10:00 4 L 304 10 Ke 5.3.
LisätiedotTVT-kurssimoduulin mitat
Teemu Kerola & Teija Kujala TVT-kurssimoduulin mitat Turun lähiseminaari Kurssin moduulit Moduulien kustannukset 1 Kurssimoduulit Perinteiset kurssimoduulit (esim.) luentokalvot luento oppimismoduuli harjoitustehtävät
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas JAKAUMAN MUOTO Vinous, skew (g 1, γ 1 ) Kertoo jakauman symmetrisyydestä Vertailuarvona on nolla, joka vastaa symmetristä jakaumaa (mm. normaalijakauma)
LisätiedotMäärällisen aineiston esittämistapoja. Aki Taanila
Määrällisen aineiston esittämistapoja Aki Taanila 24.4.2017 1 Kategoriset muuttujat Lukumääriä Prosentteja (muista n-arvot) Pylväitä 2 Yhteenvetotaulukko (frekvenssitaulukko) TAULUKKO 1. Asunnon tyyppi
LisätiedotOtoskoko 107 kpl. a) 27 b) 2654
1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää
LisätiedotSTT Viestintäpalvelut Oy ProCom Viestinnän ammattilaiset ry. Viestinnän mittaamisen tila suomalaisissa organisaatioissa 2.2.2016
STT Viestintäpalvelut Oy ProCom Viestinnän ammattilaiset ry Viestinnän mittaamisen tila suomalaisissa organisaatioissa 2.2.2016 Johdanto STT Viestintäpalvelut Oy ja ProCom ry tutkivat viestinnän mittaamisen
LisätiedotKaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu.
Ka6710000 TILASTOLLISEN ANALYYSIN PERUSTEET 2. VÄLIKOE 9.5.2007 / Anssi Tarkiainen Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Tehtävä 1. a) Gallupissa
LisätiedotKäsitteistä. Reliabiliteetti, validiteetti ja yleistäminen. Reliabiliteetti. Reliabiliteetti ja validiteetti
Käsitteistä Reliabiliteetti, validiteetti ja yleistäminen KE 62 Ilpo Koskinen 28.11.05 empiirisessä tutkimuksessa puhutaan peruskurssien jälkeen harvoin "todesta" ja "väärästä" tiedosta (tai näiden modernimmista
LisätiedotWHOQOL BREF MAAILMAN TERVEYSJÄRJESTÖN ELÄMÄNLAATUMITTARI LYHYT VERSIO. Vain tutkijoiden sisäiseen käyttöön_ (Only for internal use for researchers).
WHOQOL BREF MAAILMAN TERVEYSJÄRJESTÖN ELÄMÄNLAATUMITTARI LYHYT VERSIO Vain tutkijoiden sisäiseen käyttöön_ (Only for internal use for researchers). Kaavat eri ulottuvuuksien yhteispisteiden laskemiseen
LisätiedotViestinnän mentelmät I: sisällön erittely. Sisällönanalyysi/sisällön erittely. Sisällön erittely. Juha Herkman
Viestinnän mentelmät I: sisällön erittely Juha Herkman 25.11.2010 Helsingin yliopisto, viestinnän laitos Sisällönanalyysi/sisällön erittely Sisällönanalyysi (SA), content analysis Veikko Pietilä: Sisällön
LisätiedotTarkista vielä ennen analysoinnin aloittamista seuraavat seikat:
Yleistä Tilastoapu on Excelin sisällä toimiva apuohjelma, jonka avulla voit analysoida tilastoaineistoja. Tilastoapu toimii Excelin Windows-versioissa Excel 2007, Excel 2010 ja Excel 2013. Kun avaat Tilastoavun,
LisätiedotKUMPI OHJAA, STRATEGIA VAI BUDJETTI?
KUMPI OHJAA, STRATEGIA VAI BUDJETTI? Aalto University Executive Education Teemu Malmi Professori, AUSB WORKSHOP Alustus: Budjetti ohjaa, kaikki hyvin? Keskustelu pöydissä Yhteenveto Alustus: Miten varmistan,
LisätiedotPSY181 Psykologisen tutkimuksen perusteet, kirjallinen harjoitustyö ja kirjatentti
PSY181 Psykologisen tutkimuksen perusteet, kirjallinen harjoitustyö ja kirjatentti Harjoitustyön ohje Tehtävänäsi on laatia tutkimussuunnitelma. Itse tutkimusta ei toteuteta, mutta suunnitelman tulisi
LisätiedotRastita se vaihtoehto, joka parhaiten kuvaa omaa mielipidettä asiasta
Rastita se vaihtoehto, joka parhaiten kuvaa omaa mielipidettä asiasta A. Vastaajan taustatiedot Mikä on asemasi organisaatiossa? 1. Ylempi toimihenkilö 2. Työnjohtaja 3. Toimihenkilö 4. Työntekijä Minkä
Lisätiedot15 askelta kohti. Parempia kyselyitä ja tutkimuksia
15 askelta kohti Parempia kyselyitä ja tutkimuksia Onnittelut! Lataamalla Webropol-tutkimusoppaan olet ottanut ensimmäisen askeleen kohti entistä parempien kyselyiden ja tutkimusten tekoa. Tämä opas tarjoaa
LisätiedotJohdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle
LisätiedotOhjeita kvantitatiiviseen tutkimukseen
1 Metropolia ammattikorkeakoulu Liiketalouden yksikkö Pertti Vilpas Ohjeita kvantitatiiviseen tutkimukseen Osa 1 Sisältö: 1. Kvantitatiivisen tutkimuksen perusteita.2 2. Määrällisen tutkimusprosessin vaiheet..3
LisätiedotMatematiikan tukikurssi, kurssikerta 3
Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus
LisätiedotKyselylomakkeiden käyttötapoja:
Kyselylomakkeen laatiminen FSD / Yhteiskuntatieteellinen tietoarkisto Menetelmäopetuksen tietovaranto / KvantiMOTV http://www.fsd.uta.fi/menetelmaopetus/kyselylomake/laatiminen.html Tiivistelmän keskeiset
LisätiedotCantorin joukon suoristuvuus tasossa
Cantorin joukon suoristuvuus tasossa LuK-tutkielma Miika Savolainen 2380207 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 2016 Sisältö Johdanto 2 1 Cantorin joukon esittely 2 2 Suoristuvuus ja
Lisätiedot3.11.2006. ,ܾ jaü on annettu niin voidaan hakea funktion 0.1 0.2 0.3 0.4
Ü µ ½ ¾Ü¾µ Ü¾Ê 3.11.2006 1. Satunnaismuuttujan tiheysfunktio on ¼ ļ ܽ ܾ ÜÒµ Ä Ü½ ÜÒµ Ò Ä Ü½ ܾ ÜÒµ ܽ µ ܾ µ ÜÒ µ Ò missä tietenkin vaaditaan, että ¼. Muodosta :n ¾Ä ܽ ÜÒµ Ò ½¾ ܾ Ò ½ ¾Ü¾½µ ½ ¾Ü¾Òµ
Lisätiedot1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet
VAASAN YLIOPISTO/AVOIN YLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia 1 KURSSIKYSELYAINEISTO: 1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet Nimi Ikä v. Asema Palkka
LisätiedotTuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta
Tuloperiaate Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta ja 1. vaiheessa valinta voidaan tehdä n 1 tavalla,. vaiheessa valinta voidaan tehdä n tavalla,
LisätiedotKyselytutkimus. Yleistä lomakkeen laadinnasta ja kysymysten tekemisestä - 1. Yleistä lomakkeen laadinnasta ja kysymysten tekemisestä - 2
Kyselytutkimus Graduryhmä kevät 2008 Leena Hiltunen 29.4.2008 Yleistä lomakkeen laadinnasta ja kysymysten tekemisestä - 1 Kysymysten tekemisessä kannattaa olla huolellinen, sillä ne luovat perustan tutkimuksen
LisätiedotEllei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä
Lauri Tarkkonen: Validiteetti ja reliabiliteetti 1 Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä ole pohjaa. Rakennevaliditeetin estimoiminen 1. Mitattavan
LisätiedotKysely suomalaisten luontosuhteesta. Kyselyn tulosten koonti
Kysely suomalaisten luontosuhteesta Kyselyn tulosten koonti 21.6.2018 Kyselyllä selvittiin suomalaisten suhdetta luontoon, sen monimuotoisuuden turvaamiseen ja siihen, miten vastuut tulisi jakaa eri tahojen
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas TEOREETTISISTA JAKAUMISTA Usein johtopäätösten teko helpottuu huomattavasti, jos tarkasteltavan muuttujan perusjoukon jakauma noudattaa
Lisätiedot2. luentokrt KOTITEHTÄVÄ: VASTAA UUDELLEEN KAHTEEN KYSYMYKSEESI TÄMÄN PÄIVÄN TIEDON PERUSTEELLA
KOTITEHTÄVÄ: VASTAA UUDELLEEN KAHTEEN KYSYMYKSEESI TÄMÄN PÄIVÄN TIEDON PERUSTEELLA 13.4.2015 1 2. luentokrt Taksonomiataulu osa 2 eli miten suunnitella opetusta ja oppilasarviointia tehtävien vaativuustasot
LisätiedotTuhat Suomalaista Mainonnan neuvottelukunta Joulukuu SFS ISO20252 Sertifioitu
Tuhat Suomalaista Mainonnan neuvottelukunta Joulukuu 1 SFS ISO22 Sertifioitu Tutkimuksen toteutus Tuhat suomalaista 12/1 IRO Research Oy:n Tuhat suomalaista tutkimuksen tiedonkeruu tehtiin internetissä
LisätiedotKYSELY TIEDONHANKINNAN MENETELMÄNÄ Esimerkkejä WelDest-hankkeen kyselyistä. Copyright Telle Tuominen, Turku AMK
KYSELY TIEDONHANKINNAN MENETELMÄNÄ Esimerkkejä WelDest-hankkeen kyselyistä Copyright Telle Tuominen, Turku AMK LÄHTÖKOHDAT Kyselyllä kerätään tietoa ihmisestä Perusjoukko eli otos on yleensä suuri (satoja,
Lisätiedot1. Lasketaan käyttäen kymmenjärjestelmävälineitä
Turun MATIKKAKAHVILA 22.09.2016 Teija Laine 1. OTTEITA UUDESTA OPETUSSUUNNITELMASTA: "Vuosiluokkien 3 6 matematiikan opetuksessa tarjotaan kokemuksia, joita oppilaat hyödyntävät matemaattisten käsitteiden
LisätiedotGoogle Forms / Anna Haapalainen. Google Forms Googlen lomake-työkalu
Google Forms Googlen lomake-työkalu Google Forms / Anna Haapalainen Googlen lomaketyökalulla on helppoa tehdä sähköisiä kyselyitä, tehtäviä tai kokeita. Voidaksesi luoda Googlen lomakkeita, sinulla tulee
LisätiedotYLEISKUVA - Kysymykset
INSIGHT Käyttöopas YLEISKUVA - Kysymykset 1. Insight - analysointityökalun käytön mahdollistamiseksi täytyy kyselyn raportti avata Beta - raportointityökalulla 1. Klikkaa Insight välilehteä raportilla
LisätiedotWHOQOL-BREF MAAILMAN TERVEYSJÄRJESTÖN ELÄMÄNLAATUMITTARI - LYHYT VERSIO
WHOQOL-BREF MAAILMAN TERVEYSJÄRJESTÖN ELÄMÄNLAATUMITTARI - LYHYT VERSIO Ulottuvuus 1 Ulottuvuus 2 Ulottuvuus 3 Ulottuvuus 4 Kaavat eri ulottuvuuksien yhteispisteiden laskemiseen (6-Q3) + (6-Q4) + Q10 +
LisätiedotA. Asutteko Helsingissä? 1 Kyllä ---à JATKA 2 Ei à LOPETA HAASTATTELU
Hyvää päivää / iltaa. Olen Oy:stä. Teemme parhaillaan tutkimusta 18-74 vuotta täyttäneiden Helsinkiläisten suhtautumisesta kaupungin liikenneolosuhteisiin. Voinko esittää Teille muutamia kysymyksiä? Tämä
LisätiedotTuhat Suomalaista -tutkimus Apteekkariliitto, Lääkäriliitto ja Lääketietokeskus Syyskuu 2017
Tuhat suomalaista /1 Tuhat Suomalaista -tutkimus Apteekkariliitto, Lääkäriliitto ja Lääketietokeskus Syyskuu 1 SFS ISO Sertifioitu Tutkimuksen toteutus Tuhat suomalaista /1 IROResearch Oy:n Tuhat suomalaista
LisätiedotARVO - verkkomateriaalien arviointiin
ARVO - verkkomateriaalien arviointiin Arvioitava kohde: Jenni Rikala: Aloittavan yrityksen suunnittelu, Arvioija: Heli Viinikainen, Arviointipäivämäärä: 12.3.2010 Osa-alue 1/8: Informaation esitystapa
LisätiedotA. Mitta-asteikot. B. Likert-asteikko. C. Selita seuraavat termit (O,Sp)
Nimi: Henkili::itunnus Kysymys 66. (Max. 7p.) Heikkila Tarja: Tilastollinen tutkimus. Edita, Helsinki. 2014, 9. uudistettu painos. Luvut 1-7 (s. 1-115). Kirjoita vastauksesi annettuun tilaan. Tilan ulkopuolella
LisätiedotKVANTITATIIVINEN TUTKIMUS
KVANTITATIIVINEN TUTKIMUS Hanna Vilkka 1 MITÄ KASVATUSTIETEISSÄ HALUTAAN TIETÄÄ, JOS TUTKITAAN KVANTITATIIVISESTI? halutaan ennakoida tulevaa teknisesti ohjata tulevaa strategisesti ja välineellisesti
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotMäärällisen aineiston esittämistapoja. Aki Taanila
Määrällisen aineiston esittämistapoja Aki Taanila 7.11.2011 1 Muuttujat Aineiston esittämisen kannalta muuttujat voidaan jaotella kolmeen tyyppiin: Kategoriset (esimerkiksi sukupuoli, koulutus) Asteikolla
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin
LisätiedotAnalyysi: päättely ja tulkinta. Hyvän tulkinnan piirteitä. Hyvän analyysin tulee olla. Miten analysoida laadullista aineistoa
Analyysi: päättely ja tulkinta Analyysin - tai tulkinnan - pitää viedä tutkimus kuvailevan otteen ohi mielellään ohi ilmiselvyyksien KE 62 Ilpo Koskinen 20.11.05 Aineiston analyysi laadullisessa tutkimuksessa
LisätiedotMonitasomallit koulututkimuksessa
Metodifestivaali 9.5.009 Monitasomallit koulututkimuksessa Mitä ihmettä? Antero Malin Koulutuksen tutkimuslaitos Jyväskylän yliopisto 009 1 Tilastollisten analyysien lähtökohta: Perusjoukolla on luonnollinen
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa Luentokuulustelujen esimerkkivastauksia Pertti Palo 30. marraskuuta 2012 Saatteeksi Näiden vastausten ei ole tarkoitus olla malleja vaan esimerkkejä.
LisätiedotKonttorirotasta oman työn tuunaajaksi
Konttorirotasta oman työn tuunaajaksi Osa 1: Kuinka valmiita me olemme? Tutkimuksen perustiedot Tutkimukseen on haastateltu 1000 suomalaista Kohderyhmänä olivat 18-64 -vuotiaat pois lukien eläkeläiset
LisätiedotKOTITALOUKSIEN SÄÄSTÄMISTUTKIMUS 2006. Kotitalouksien säästämistutkimus 2006 1
KOTITALOUKSIEN SÄÄSTÄMISTUTKIMUS 2006 Kotitalouksien säästämistutkimus 2006 1 Arvopaperien omistaminen 2006 ( suomalaisista talouksista) (kohderyhmä 18-69 vuotiaat yks.hlöt) (n=1002) Omistaa arvopapereita
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
Lisätiedot1 Kannat ja kannanvaihto
1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:
LisätiedotOhjeita kvantitatiiviseen tutkimukseen
1 Metropolia ammattikorkeakoulu Liiketalouden yksikkö Pertti Vilpas Ohjeita kvantitatiiviseen tutkimukseen Osa 1 Sisältö: 1. Kvantitatiivisen tutkimuksen perusteita.2 2. Määrällisen tutkimusprosessin vaiheet..3
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016
LisätiedotMittaaminen projektipäällikön ja prosessinkehittäjän työkaluna
Mittaaminen projektipäällikön ja prosessinkehittäjän työkaluna Finesse-seminaari 22.03.00 Matias Vierimaa 1 Mittauksen lähtökohdat Mittauksen tulee palvella sekä organisaatiota että projekteja Organisaatiotasolla
Lisätiedotr = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
LisätiedotSisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016
LisätiedotTietokoneohjelmien käyttö laadullisen aineiston analyysin apuna
Tietokoneohjelmien käyttö laadullisen aineiston analyysin apuna Laadullinen, verbaalinen, tulkinnallinen aineisto kootaan esimerkiksi haastattelemalla, videoimalla, ääneenpuhumalla nauhalle, yms. keinoin.
LisätiedotHarjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
LisätiedotMitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto
Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto Määritelmiä Laadullinen tutkimus voidaan määritellä eri tavoin eri lähtökohdista Voidaan esimerkiksi korostaa sen juuria antropologiasta
LisätiedotASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen
ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI Mikko Kylliäinen Insinööritoimisto Heikki Helimäki Oy Dagmarinkatu 8 B 18, 00100 Helsinki kylliainen@kotiposti.net 1 JOHDANTO Suomen rakentamismääräyskokoelman
LisätiedotMalmin lentokentän tulevaisuus. Malmin lentokentän tulevaisuus
Tutkimuksen toteuttaminen Kysely toteutettiin osana TNS Gallup Oy:n puhelinomnibustutkimusta. Malmin lentokenttää koskevat kysymykset esitettiin Uudellamaalla asuville. Yhteensä tehtiin 1.023 haastattelua.
Lisätiedot